基于多核学习的多特征融合动态手势识别

发布时间：2023-04-16 17:29

　　随着计算机在当今社会越来越普及,人机交互的研究将对其产生积极的影响。其中手势被认为是一种可以提供更自然、创造性和直观的人机交互技术。随着Kinect等深度摄像机的出现,深度数据成为手势识别研究的重要手段。在当前阶段,传统的特征提取方法在动态手势识别方面已经能达到令人满意的结果,然而我们忽略了手势中不同结构特征的作用以及非线性关系。本文的主要工作就是融合异构特征,并通过非线性核的表示构建模型,准确分类动态手势。为了从动态手势中获得有效的特征信息,以及探究底层特征之间的非线性关系,本文设计了一种基于多核学习的多特征融合的动态手势识别方法。为获得高辨识力的特征信息,本文考虑采用手势的深度运动图作为特征信息源,分别提取空间多尺度二值直方图和梯度直方图特征作为手势的三维形状结构信息;然后提取手势的时空梯度直方图特征,在时序上利用傅立叶变换将时序特征映射到频域,这样一方面可以对齐特征向量,另一方面可以改变特征的呈现方式;最后,将两种特征融合得到最终的特征描述子,定义为PDL HF²。考虑到特征描述子的特征维度过高,在低维空间不易寻找线性关系,降低了分类器的泛化能力,本文提出了...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1. 研究背景和意义
        1.1.1. 手势识别技术概述
        1.1.2. 手势识别技术的应用
    1.2. 手势识别中的问题
    1.3. 本文主要研究内容
        1.3.1. 基于深度信息的动态手势识别技术
        1.3.2. 基于多核函数的度量学习
    1.4. 论文结构安排
第2章 相关工作
    2.1. 概述
    2.2. 实验用数据库研究现状
    2.3. 手势识别研究现状
        2.3.1. 手势多特征融合
        2.3.2. 特征核学习
    2.4. 本章小结
第3章 多信息融合的手势识别
    3.1. 概述
    3.2. 原理与方法分析
    3.3. 动态手势特征提取算法
        3.3.1. 多尺度形状信息提取
        3.3.2. 傅里叶时空特征提取
        3.3.3. 融合特征构建
    3.4. 特征性能评价
    3.5. 本章小结
第4章 基于非线性的多核嵌入策略
    4.1. 概述
    4.2. 基于非线性方法的手势特征分析
        4.2.1. 问题描述
        4.2.2. 非线性核学习算法
        4.2.3. 非线性手势运动原理
    4.3. 单核特征学习理论
        4.3.1. 核方法原理
        4.3.2. 核定义非线性分类
    4.4. 多核学习理论框架
        4.4.1. 多核学习的基本流程
        4.4.2. 多核线性融合方法
        4.4.3. 核对齐求解权重
        4.4.4. 多核学习算法
    4.5. 本章小结
第5章 实验结果与分析
    5.1. 实验描述
    5.2. 实验环境与数据
        5.2.1. MSRGesture3D数据库
        5.2.2. SKIG数据库
    5.3. 实验设计与结果
        5.3.1. 在SKIG上性能评估
        5.3.2. 在MSRGesture3D上性能评估
    5.4. 本章小结
第6章 总结与展望
    6.1. 总结
    6.2. 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3791552